brunch

You can make anything
by writing

C.S.Lewis

by delight Jan 28. 2023

어떤 기술 스택이 생성AI 생태계를 지배하는가

학습 차원에서 틈틈이 해외 전문가들이 블로그나 미디어 그리고 책에서 쓴 글을 번역 또는 요약 정리하고 있습니다. 이번 포스팅도 그중 하나고요. 거칠고 오역된 부분이 있을 수 있습니다. 제대로 번역되지 않은 부분은 확인 주시면 반영토록 하겠습니다. 이번 글은 안드레센 호로위츠가 올린 글을 정리한 것입니다.

우리는, 생성 AI에서 기술 스택이 나오는 매우 초기 단계를 보기 시작하고 있다. 수백 개 스타트업들이 기반 모델을 개발하고 AI 네이티브 앱들을 구축하고 인프라/도구를 세우기 위해 이 시장에 뛰어들고 있다.

많은 뜨거운 기술 트렌드들은 시장이 따라가기 한참 전에 과열된다. 그러나 생성 AI 붐은 실제 시장에서 실제로 얻는 것과 실제 회사들로부터 실제로 쓰이는 것을 동반하고 있다. 스테이블 디퓨전과 챗GPT 같은 모델들은 사용자 증가에서 역사적인 기록을 세우고 있다. 몇몇 애플리케이션들은 출시 1년도 안돼 연간 매출 1억 달러에 이르고 있다. 일대일 비교는 AI 모델들이, 인간을 일부 작업에서 여러 배까지 능가하고 있다는 것을 보여주고 있다.

거대한 전환이 일어나고 있다는 것을 시사하는 충분한 초기 데이터도 있다. 우리가 모르는 것과 이제 중요한 질문이 된 것은 이 시장이 어디에서 가치가 쌓이느냐? 는 것이다.

지난 1년 동안 우리는 생성 AI를 직접 다루는 십여 명 스타트업 창업자들과 대기업 운영자들을 만나왔다. 우리는 지금까지 인프라 벤더들이 스택을 통해 흐르는 달러의 대부분을 가지면서 이 시장에서 가장 큰 승자가 될 가능성이 높다고 관찰했다.

애플리케이션 회사들은 매우 빠르게 늘고 있지만 유지(retention), 제품 차별화, 그리고 총마진에서 종종 애를 먹고 있다. 그리고 대부분의 모델 공급업체들은 이 시장의 존재에 책임이 크지만 상업적으로 큰 규모를 아직 달성하지 못했다.

다시 말해 가장 많은 가치를 만들어 내는 회사들-예를 들면 생성 AI 모델들을 훈련시키고 이것들을 새로운 앱들에 적용하는-은 가치의 많은 부분을 잡지 못했다. 다음에 무슨 일이 벌어질지 예측하는 것은 무척 어렵다.

그러나 우리는 이해해야 할 핵심은 스택의 어느 부분이 진정으로 차별화돼 있고 방어 가능하냐는 것이다. 이것은 시장 구조와 장기적으로 가치를 주도하는 요인들에 중대한 영향을 미칠 것이다. 지금까지 우리는 기존 기업을 위한 전통적인 해자 밖에서 스택 어느 곳에서나 구조적인 방어 가능성을 찾는 데 어려움을 겪었다.

우리는 생성 AI에 대해 매우 긍정적이다. 그리고 소프트웨어 산업과 그 너머에서 중대한 영향을 미칠 것으로 믿는다. 이번 포스트의 목표는 시장의 역학 관계를 매핑하고 생성 AI 비즈니스 모델에 대한 광범위한 질문들에 대답하기 시작하는 것이다.

하이레벨 기술 스택: 인프라, 모델, 앱(High-level tech stack: Infrastructure, models, and apps)

생성 AI 시장이 어떻게 형성되고 있는지 이해하기 위해 우리는 우선 지금 스택이 어떤 모습인지 정의할 필요가 있다. 여기에 우리 예비 단계 견해가 있다.

스택은 3개 레이어들로 나눠진다.

자체 모델 파이프라인을 돌리거나 서드파티 API 활용해 생성 AI 모델을 사용자가 쓰는 제품에 통합하는 애플리케이션

AI 제품에 기반이 되는 모델들. 자체적인 API 또는 오픈소스 체크포인트들로 제공된다.

생성 AI 모델 훈련 및 추론 워크로드를 돌리는 클라우드 벤더들(예를 들면 클라우드 플랫폼과 하드웨어 제조사들)

이것은 시장 지도가 아니라 시장을 분석하기 위한 프레임워크다. 각각 카테고리에서 우리는 몇몇 잘 알려진 벤더들 사례를 리스트로 올렸다. 우리는 포괄적이거나 공개된 모든 놀라운 생성 AI 애플리케이션들을 리스트로 만들려 어떤 시도도 하지 않았다. 우리는 또 여기에서 아직 많이 표준화되지 않은 ML옵스 또는 LLM옵스에 대해서는 깊게 파지 않는다. 이들은 향후 포스트에서 다뤄질 것이다.

첫 번째 생성 AI 앱들의 파도는 규모에 이르기 시작하고 있다. 그러나 유지와 차별화에서 애를 먹고 있다. (The first wave of generative AI apps are starting to reach scale, but struggle with retention and differentiation)

이전 기술 사이클들에서, 전통적인 지혜는 크고, 독립적인 회사를 구축하기 위해 당신은 개별 소비자들이든, B2B 구매자들이든 최종 고객을 소유해야 한다는 것이었다. 이것은 생성 AI에서 가장 큰 회사들은 엔드유저 애플리케이션들 것이라고 믿게 만든다. 지금까지 이것이 맞는지는 명확하지 않다.

확실히 생성 AI 애플리케이션 성장은 놀랍다. 완전히 새롭고 수많은 활용 사례들에 의해 가속화되고 있다. 사실, 우리는 이미 1억 달러 연 매출을 달성한 적어도 3가지 제품 카테고리들을 알고 있다. 이미지 생성, 카피라이팅, 그리고 코드 작성이다.

그러나 성장만으로는 내구력 있는 소프트웨어 회사들은 구축하기 충분치 않다. 중요한 것은 성장은 수익성이 있어야 한다. 사용자와 고객들 관점에서 이들이 일단 가입을 하면, 이익을 발생시킨다. (높은 총마진) 그리고 오래 머무른다.(높은 리텐션:high retention)이다. 기술적으로 강력한 차별화가 없을 때, B2B와 B2C 앱들은 데이터를 보유하고, 갈수록 복잡한 워크플로우를 구축하면서 고객 가치를 네트워크 효과를 통해 이끈다.

생성AI에서 이들 가정은 반드시 진실을 담고 있지 않다. 우리가 얘기했던 앱 회사들에 걸쳐서 보면 총마진은 다양한 범위에 있다. 일부 경우 많게는 90%에 이른다. 그러나 많은 경우 모델 추론 비용으로 50~60% 정도로 낮다. 깔데기의 꼭대기 성장은 놀랍다. 그러나 현재 고객 획득 전략이 확장성이 있을지는 분명치 않다. 우리는 이미 유료 회득(paid acquisition: 마케팅에 돈을 써서 고객을 얻는 것) 효과 및 유지가 줄기 시작하는 것을 보고 있다. 많은 앱들은 또한 상대적으로 차별화되어 있지 않다. 이들 앱은 유사한 기반 AI 모델들에 의존하고 있고 경쟁자들이 따라하기 어려운 분명한 네트워크 효과 또는 데이터/워크플로우를 발견하지 못했기 때문이다.

그래서, 엔드 유저 앱을 파는 것이 지속 가능한 생성 AI 비즈니스를 구축하는 유일하고, 심지어 최고 경로인지는 아직 분명치 않다. 언어 모델 효율성과 경쟁이 증가하면서 마진은 개선되어야 하고 AI 여행객들이 시장을 떠날 때 리텐션을 늘려야 한다. 버티컬하게 통합된 앱들이 차별화를 이끄는데 있어 유리하다는 강력한 주장이 있다. 그러나 검증되여야할 것들은 여전히 많다.

앞을 보라, 일부 생성 AI 회사들이 직면한 커다란 질문들은 아래와 같은 것들을 포함하고 있다.

버티컬 통합(Vertical integration: model + app). AI 모델을 서비스로 쓰는 것은 앱 개발자들이 소규모 팀으로 빠르게 반복하고 기술이 진화함에 다라 모델 공급자들을 바꿀 수 있게 한다. 반대편에서 일부 개발자들은 제품은 모델이다, 그리고 아예 처음부터 훈련시키는 것이 방어 가능성을 만드는 유일한 방법이라고 주장하고 있다.-예를 들면 독자적인 제품 데이터를 지속적으로 재훈련시키는 것. 그러나 이렇게 되면 많은 자본을 필요로 하고 제품 팀이 덜 민첩해진다는 희생이 따른다.

기능 구현 vs 앱(Building features vs. apps). 생성 AI 제품들은 많은 다양한 형태를 취한다.: 데스크톱 앱, 모바일앱, 피그마/포토샵 플러그인, 크롬 익스텐션(Chrome extensions), 심지어 디스코드 봇들도 있다. 사용자들이 이미 쓰는 AI 제품을 통합하기는 쉽다. UI가 일반적으로 단순한 텍스트 박스이기 때문이다. 이들 중 어느 것이 독립적인 회사가 될 것인가? 그리고 마이크로소프트, 또는 구글처럼 이미 AI를 그들 제품 라인들에 투입하고 있는 기존 회사들에 흡수될 것인가?

하이프 사이클 관리(Managing through the hype cycle). 이탈이 현재 생성 AI 제품들에서 고유한 것인지 아니면 초기 시장의 결과인지는 확실치 않다. 아니면 생성AI에 대한 관심 폭발이 과열이 수그러들면 떨어질 것인지도 마찬가지다. 이들 질문은 언제 투자 유치에서 속도를 낼지, 얼마나 공격적으로 고객 획득에 투자할지, 어느 사용자층에 우선순위를 둘지, 언제 제품 마켓 적합성(product-market fit)을 선언할지를 포함해 앱 회사들에게는 중요한 의미들을 갖고 있다.

모델 공급자들은 생성 AI를 발명했다. 그러나 상업적으로 큰 규모에는 이르지 못했다(Model providers invented generative AI, but haven’t reached large commercial scale)

우리가 지금 생성 AI라고 부르는 것은 구글, 오픈AI, 스터빌리티 같은 곳에서 진행된 빛나는 연구와 엔지니어링 작업이 없었다면 존재하지 않았을 것이다. 훈련 파이프라인을 확장하기 위한 새로운 모델 아키텍처와 영웅적인 노력들을 통해 우리 모두는 현재 거대 언어 모델(large language models, LLMs)와 이미지 생성 모델의 확 깨는 역량들로부터 혜택을 보고 있다.

그러나 이들 회사들 매출은 사용과 버즈(buzz)와 비교했을 때 상대적으로 적다. 이미지 생성에서 스테이블 디퓨전은 사용자 인터페이스, 호스팅되는 상품, 고도화 방식의 생태계에 의해 지원되는 폭발적인 커뮤니티 성장을 보고 있다. 그러나 스터빌리티는 사업 핵심 원칙으로서 주요한 체크포인트들(checkpoints )을 사용자들에게 무료로 주고 있다. 자연어 모델에서 오픈AI는 GPT-3/GPT-3.5 그리고 챗GPT를 지배하고 있다. 그러나 상대적으로 지금까지 오픈AI 기ㅏㅂㄴ으로 개발된 킬러앱들은 상대적으로 적다.

이것은 단지 일시적인 현상일 수 있다. 스터빌리티는 수익화에 초점을 맞추지 않고 있는 새로운 회사다. 오픈AI는 보다 많은 킬러앱들이 개발되면서 모든 자연어 처리 카테고리 매출에서 상당 부분을 벌어들이는 거대한 회사가 될 잠재력이 있다.-특히 마이크로소프트 제품 포트폴리오와의 통합이 제대로 진행된다면. 이들 모델이 대규모로 쓰이고 있음을 고려하면 그리 멀지 않아 대규모 매출을 올릴 수도 있다.

그러나 여기에 대항하는 힘들 또한 있다. 오픈소스로 공개된 모델들은 대규모 모델 훈련과 관련된 비용-수천만달러에서 수억달러까지-을 부담하지 않은 외부 업체들을 포함해 누구나 제공할 수 있다. 그리고 폐쇄형 소스 모델이 경쟁력을 계속 유지할 수 있을지도 분명치 않다. 예를 들면 우리는 앤트로픽(Anthropic), 코히어(Cohere), 캐릭터닷에이아이(Character.ai), 같은 회사들이 개발한 거대 언어 모델들이 유사한 모델 아키텍처를 갖추고 유사한 데이터셋으로 훈련됐을 경우 성능에서 오픈AI 수준에 근접하기 시작했음을 보고 있다. 스테이블 디퓨전 사례는 오픈소스 모델들이 충분한 성능과 커뮤니티 지원 수준에 도달한다면, 그때 사적 방식(proprietary alternatives) 대안들은 경쟁하기 어렵다는 것을 알게 될 것임을 시사하고 있다.

지금까지 모델 공급자들과 관련해 아마도 분명한 시사점은 상업화는 호스팅에 연결될 가능성이 높다는 것이다. 사적 API 수요(예를 들면 오픈AI로부터)는 빠르게 성자하고 있다. 오픈소스 모델들에 대한 호스팅 서비스(예를 들면 허깅페이스Hugging Face 와 리플리케이트Replicate)는 모델들을 쉽게 공유하고 통합할 수 있는 유용한 허브로 등장하고 있다. 모델 생산자들과 소비자들 사이에서 비 간접적인 네트워크 효과도 일부 만들어내고 있다. 엔터프라이즈 고객들과 고도화 및 호스팅 계약을 통해 수익화하는 것이 가능하다는 강력한 가설 또한 있다.

이외에도 모델 제공자들이 직면하고 있는 많은 질문들이 있다.

범용화(Commoditization). AI 모델들은 시간이 가면서 성능이 수렴될 것이라는 일반적인 믿음이 있다. 앱 개발자들과 얘기를 나눠 보면 텍스트와 이미지 모델에서 강력한 리더들이 있는 만큼, 이것은 아직 일어나지 않은 일이다. 그들이 가진 우위는 고유한 모델 아키텍처가 아니라 높은 자본 요구 사항, 사적인 제품 상호 작용 데이터, 보기 드문 AI 인재들에 있다. 이것들이 튼튼한 우위로 작용할 것인가?

그래듀에이션 리스크(Graduation risk: 졸업 위험). 모델 공급자에게 의존하는 것은 앱 회사들이 사업을 시작하고 비즈니스를 키울 수 있는 아주 좋은 방법이다. 그러나, 앱 회사들은 일단 규모에 이르면, 자체 모델을 구축하거나 제공하려는 인센티브를 갖게 된다. 그리고 많은 모델 공급자들은 왜곡된 고객 분포를 갖고 있다. 몇몇 앱들이 매출의 대부분을 차지하고 있다. 이들 고객들이 자체 개발한 AI 개발로 바꾼다면 또는 바꿀 때 무슨 일이 벌어질 것인가?

돈은 중요한가?(Is money important?) 생성 AI의 약속은 대단하다. 그리고 잠재적으로 해를 끼칠 수도 있다. 많은 모델 제공자들이 공긱 기업으로 소직했거나 한도가 있는 수익 증권을 발행했다. 아니면 공공재임을 사명에 분명하게 못밖고 있다. 이것은 그들의 자금 유치 노력을 전혀 방해하지 않고 있다. 그러나 대부분의 모델 공급자들이 실제로, 가치를 잡고 싶어하는지, 그리고 그들이 그렇게 해야 하는지를 둘러싸고 합리적인 논쟁이 있다.

인프라 벤더들은 모든 것을 만진다. 그리고 보상을 수확한다(Infrastructure vendors touch everything, and reap the rewards)

생성 AI에서 거의 모든 것은 어느 시점에서 클라우드로 호스팅되는 GPU(또는 TPU)를 거친다. 모델 공급자/훈련 워크로드를 돌리는 리서치 랩들, 추론/미세 조정(fine-tuning)을 돌리는 호스팅 회사들, 또는 둘을 일부 결합하는 애플리케이션 회사들이든, FL옵스(FLOPS)는 생성 AI의 생명선이다.

결과적으로 생성 AI 시장에서 많은 돈은 궁극적으로 인프라 회사들로 흘러 들어간다. 매우 대략적인 수치를 잡으면, 우리는 평균 앱 회사들은 대략 매출의 20~40%를 추론과 사용자당 미세 조정에 쓰고 있다. 이것은 통상, 클라우드 회사들 컴퓨트 인스턴스를 쓰는데 직접 지불되거나 서드파티 모델 공급 공급자들에게 돌아간다.-모델 공급자들은 결과적으로 매출의 절반 가량을 클라우드 인프라에 지출한다. 따라서 요즘 생성 AI 전체 매출에서 10~20%는 클라우드 업체들에 간다고 보는 것인 합리적인 추측이다.

이를 기반으로 그들 자체 모델을 훈련시키는 스타트업들은 수십억 달러를 투자 받았다. 이중 많은 부분(초기 라운드에선 80~90%까지)이 또한 일반적으로 클라우드 공급자들에 지급된다. 많은 상장 테크 기업들은 매년 모델 훈련에 수억 달러를 외부 클라우드 공급 업체 또는 하드웨어 제조사들에 직접 쓴다.

이것은 우리가 시실적인 용어로 많은 돈(a lot of money)이라고 부르는 것이다. 초기 시장에선 특히 그렇다. 돈의 대부분은 빅3 클라우드들에 쓰인다. 아마존웹서비스(AWS), 구글 클라우드 플랫폼(GCP), 그리고 마이크로소프트 애저다. 이들 클라우드 공급자들은 가장 광범위하고, 신뢰할 수 잇고, 비용 경쟁력이 있는 플랫폼이라는 확신을 주기 위해 합쳐서 매년 1000억달러 이상을 카펙스(capex)에 쓴다. 생성AI에선 특히 이들 클라우드는 공급 제한으로 헤택을 입고 있다. 이들은 엔비디아 A100과 H100 GPU 같은 희소한 하드웨어에 우선 접근할 수 있기 때문이다.

흥미롭게도 우리는 믿을만한 경쟁이 나타나는 것을 보기 시작하고 있다. 오라클 같은 도전자들은 대규모 카펙스 지출과 세일즈 인센티브로 침투하고 있다. 그리고 코어위브Coreweave)나 람다랩스(Lambda Labs) 같은 몇몇 스타트업들은 대규모 모델 개발자들을 특히 겨냥한 솔루션들도 빠르게 성장하고 있다. 이들은 비용, 가용성, 개인화된 지원으로 경쟁하고 있다. 빅 클라우드들은 GPU 가상화 제한 때문에 단지 VM 인스턴스만 제공하는 반면 이들 업체는 보다 정교한 자원 추상화( resource abstractions)를 보여준다. (예를 들면 컨테이너)

무대 뒤에서, AI 워크로드에서 거대한 부분을 돌리는 것이 지금까지 생성 AI에서 가장 큰 승자다.: 엔비디아는 2023년 회계연도 3분기 데이터센터 GPU 매출이 38억 달러에 달했다. 여기에는 생성 AI 활용 사례들이 상당 비중을 차지하고 있다. 그리고 엔비디아는 GPU 아키텍처, 튼튼한 소프트웨어 생태계, 학계 커뮤니티에서 많은 사용 등에 수십 년 동안 투자하면서 이 비즈니스에 대해 강력한 해자를 구축했다. 최근 분석을 보면 엔비디아 GPU는 연구 논문에서 언급된 것이, 톱 AI 칩 스타트업들을 합친 것보다 90배 이상 많다.

다른 하드웨어 옵션들도 존재한다. 구글 텐서 프로세싱 유닛(Tensor Processing Units,. TPUs), AMD 이스팅트 GPU(Instinct GPUs), AWS 인퍼렌티아(AWS Inferentia), 트레이니움(Trainium) 칩들과 세레브라스(Cerebras), 삼바노바(Sambanova), 그래프코어 같은 스타트업들의 AI 가속기들도 있다. 인텔도 고성능 하바나(Habana )칩과 폰테 벡치오(Ponte Vecchio) GPU로 이 게임에 뒤늦게 뛰어들고 있다. 지금까지 이들 신형 칩들중 상당한 시장 점유율을 확보한 것은 거의 없다. 주목해야할 두가지 예외는 구글과 TSMC다. 구글 TPU는 스테이블 디퓨전 커뮤니티와 일부 대규모 GCP 거래들을 통해 상당한 기반을 확보했고 TSMC는 엔비디아 GPU들을 포함해 여기에서 언급한 모든 칩들을 제조하는 것으로 알려져 있다.(인텔은 자사 칩 제조를 위해 자체 공장과 TSMC를 섞어 쓰고 있다.)

다시 말해 인프라는 기술 스택에서 수익성이 좋고, 튼튼하고, 방어 가능성이 있는 레이어로 보인다. 인프라 회사들이 답해야 할 커다란 질문들은 아래와 같다.

불확실한 워크로드들을 갖고 있는 것. 엔비디아 GPU는 당신이 그것을 빌릴 때마다 같다. 대부분의 AI 워크로드들은 불확실하다. 모델 추론은 첨부된 데이터베이스 또는 스토리지를 요구하지 않는다. 이것은 AI 워크로드는 전통적인 애플리케이션 워크로드들과 비교해 클라우드들에 거쳐 보다 쉽게 이식할 수 있다는 것을 의미한다. 이 맥락에서, 클라우드 업체들은 어떻게, AI 워크로드들을 계속 유지하고, 고객들이, 저렴한 옵션으로 가는 것을 막을 수 있을까?

칩 희소성의 종말에서 살아남기(Surviving the end of chip scarcity). 클라우드 공급자들과 엔비디아가 가격을 매기는 것은 가장 가치 있는 GPU를 드물게 공급받을 수 있다는 것에서 도움을 받았다. 한 공급 업체는 우리에게 A100 리스트 가격은 출시 이후 실제로 증가했다. 이것은 컴퓨트 하드웨어에선 매우 이례적인 일이다. 생산량 증가와 새로운 하드웨어 플랫폼 도입을 통해 이 공급 제한이 결과적으로 없어질 때, 클라우드 공급자들에게는 어떤 영향을 미칠 것인가?

도전자가 클라우드가 돌파할 수 있을까? (Can a challenger cloud break through?) 우리는 버티컬 클라우드들이 보다 특화된 오퍼링으로 빅3들로부터 점유율을 가져올 것이라고 강하게 믿고 있다. AI에서 지금까지 도전자들은 기술적인 차별화와 엔비디아 지원을 통해 의미 있는 기반을 확보했다. 엔비디아에 기존 클라우드 공급자들은 최대 고객이자 떠오르는 경쟁자다. 장기적인 질문은 이것이 빅3가 가진 규모의 우위를 극복하기에 충분한가 하는 것이다.

그래서 가치는 어디에서 쌓일 것인가? (So… where will value accrue?)

물론, 우리는 아직 모른다. 그러나, 우리가 생성 AI에 대해 갖고 있는 초기 데이터에, 우리가 초창기 AL/ML 회사들과 보유한 경험을 합쳐서 보면 우리 직관은 아래와 같다.

지금 생성 AI에선 어떤 시스템적인 해자가 없는 것 같다. 애플리케이션은 강력한 제품 차별화가 부족하다. 그들은 유사한 모델들을 사용하기 때문이다. 모델들은 불확실한 장기 차별화에 직면해 있다. 모델들은 유사한 데이터셋에서 유사한 아키텍처로 훈련되기 때문이다. 클라우드 공급자들은 깊이 있는 기술적인 차별화가 부족하다. 이들은 같은 GPU를 돌리기 때문이다. 칩을 제조하는 하드웨어 회사들 조차도 같은 팹에 있다.

물론 표준 해자들이 있다. 확장 해자(나는 당신보다 많은 돈이 있거나 유치할 수 있다), 공급망 해자(나는 당신이 없는 GPU가 있다), 생태계 해자(모두가 나의 소프트웨어를 이미 사용하고 있다), 알고리즘적인 해자(우리는 당신보다 영리하다), 배포 해자(distribution moats, 나는 이미 세일즈 팀이 있고 당신보다 고객도 많다), 데이터 파이프라인 해자(나는 당신보다 인터넷에서 많은 것을 크롤링했다). 그러나 이들 해자들 중 장기적으로 내구력이 있을 만한 것은 없다. 그리고 강력하고, 직접적인 네트워크 효과가 이 스택 어느 레이어에서 만들어지고 있다고 말하는 것은 너무 이르다.

이용할 수 있는 데이터에 기반해서 보면 장기적으로 승자독식 역학이 생성 AI에서 있을 것인지는 확실치 않다.

이것은 섬뜩하다. 그러나 우리에게는 좋은 뉴스다. 이 시장의 잠재적인 크기는 파악하기 어렵다.-모든 소프트웨어와 모든 인간 노력들 사이 어딘가에 있다. 따라서 우리는 모든 스택 단계들에서 많은 플레이어들과 건전한 경쟁을 예상한다. 우리는 또한 최종 시장과 최종 사용자들이 지지하는 최고 접근을 갖춘 호리젠탈(horizontal)과 버티컬(vertical) 회사들이 성공할 것으로 보고 있다.

예를 들면 최종 제품에서 주요한 차별화가 AI 그 자체라면 수직화(예를 들면 사용자가 쓰는 앱이 자체 개발한 모델과 밀접하게 연결돼 있는)가 승리할 가능성이 높다. 반면 AI가 보다 크고, 롱테일 기능 세트의 일부라면 수평화(horizontalization)가 일어날 가능성이 높다. 물론 우리는 또한 시간이 가면서 보다 전통적인 해자들이 구축하는 것도 보게 될 것이다. 그리고 우리는 새로운 유형의 해자들이 자리를 잡아가는 것을 볼 수도 있다.

어떤 경우든, 우리가 확신하는 것 중 하나는 생성 AI는 게임을 바꾼다는 것이다. 우리는 모두 실시간으로 룰들을 배우고 있다. 생성 AI에는 앞으로 풀릴 어마어마한 양의 가치가 있다. 그리고 테크 지형도는 결과적으로 매우 다르게 보일 것이다. 우리는 지금 그것을 위해 여기에 있다.

브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari